黄珺
- 作品数：73 被引量：3H指数：1
- 供职机构：武汉大学更多>>
- 发文基金：国家自然科学基金湖北省自然科学基金更多>>
- 相关领域：自动化与计算机技术电子电信医药卫生天文地球更多>>
- 跨数据集评估的高光谱图像分类被引量：1
- 2021年
- 目的随着高光谱成像技术的飞速发展,高光谱数据的应用越来越广泛,各场景高光谱图像的应用对高精度详细标注的需求也越来越旺盛。现有高光谱分类模型的发展大多集中于有监督学习,大多数方法都在单个高光谱数据立方中进行训练和评估。由于不同高光谱数据采集场景不同且地物类别不一致,已训练好的模型并不能直接迁移至新的数据集得到可靠标注,这也限制了高光谱图像分类模型的进一步发展。本文提出跨数据集对高光谱分类模型进行训练和评估的模式。方法受零样本学习的启发,本文引入高光谱类别标签的语义信息,拟通过将不同数据集的原始数据及标签信息分别映射至同一特征空间以建立已知类别和未知类别的关联,再通过将训练数据集的两部分特征映射至统一的嵌入空间学习高光谱图像视觉特征和类别标签语义特征的对应关系,即可将该对应关系应用于测试数据集进行标签推理。结果实验在一对同传感器采集的数据集上完成,比较分析了语义—视觉特征映射和视觉—语义特征映射方向,对比了5种基于零样本学习的特征映射方法,在高光谱图像分类任务中实现了对分类模型在不同数据集上的训练和评估。结论实验结果表明,本文提出的基于零样本学习的高光谱分类模型可以实现跨数据集对分类模型进行训练和评估,在高光谱图像分类任务中具有一定的发展潜力。
- 潘尔婷马泳马泳樊凡黄珺马佳义
- 关键词：高光谱图像分类特征提取
- 基于空间相关性的高光谱数据降噪方法及系统
- 本发明提供了一种基于空间相关性的高光谱数据降噪方法及系统，进行投影变换，求解高光谱数据中各个波段所成图像的平均图像，计算高光谱数据的协方差矩阵并进行特征值分解得到变换矩阵和特征值矩阵，利用变换矩阵将高光谱数据进行线性投影...
- 马佳义马泳黄珺
- 文献传递
- 基于鲁棒匹配与变换的红外可见光图像配准方法及系统
- 本发明提供一种基于鲁棒匹配与变换的红外可见光图像配准方法及系统，包括使用鲁棒的特征点检测算法与特征描述子提取待配准的红外与可见光图像的特征描述子集合，并建立初始匹配；使用特征点邻域结构稳定性的约束滤除错误匹配，根据特征点...
- 樊凡梅晓光马泳黄珺马佳义
- 一种基于几何约束下区域搜索的图像配准方法
- 本发明针对相对位置固定的红外可见光双目成像应用场景，提出了一种几何约束下基于区域搜索图像配准方法。首先利用相机标定信息进行立体校正，使红外可见光二者处于同一高度之上，接着利用相位一致性计算鲁棒的边缘图，在边缘图的基础上，...
- 张灿黄珺樊凡马泳
- 基于自适应尺度图像块加权差测量的红外小目标检测方法和系统
- 本发明公开了一种基于自适应尺度图像块加权差异测量的红外弱小目标检测方法和系统，属于图像目标检测技术领域。本发明的主要目的是解决传统红外弱小目标检测方法中存在的目标增强能力差和杂波抑制能力差的问题，从而提高目标检测中的检测...
- 马泳裘兆炳樊凡黄珺张灿
- 文献传递
- 基于高斯场约束和流形正则化的图像配准方法及系统
- 本发明提出了一种基于高斯场约束和流形正则化的图像配准方法及系统，用于通过去除初始匹配点对中的错误的匹配来建立正确的匹配，包括建立待匹配图像间几何变换相应的非刚性几何变换模型，建立基于高斯场约束和流形正则化的目标函数，通过...
- 马泳黄珺樊凡马佳义
- 文献传递
- 一种基于边界投影最优梯度的高光谱非线性解混方法
- 本发明涉及一种基于边界投影最优梯度的高光谱非线性解混方法，边界投影最优梯度方法通过选择特殊的搜索点，步长由李普希兹常数决定的方式，大大加速了边界约束下的最优化的收敛速度，达到最优收敛速度<Image file="DDA0...
- 梅晓光马泳黄珺马佳义樊凡
- 文献传递
- 基于全变分的异分辨率红外与可见光图像融合方法及系统
- 本发明公开了一种基于全变分的异分辨率红外与可见光图像融合方法及系统，包括建立图像融合的全变分模型，用数据保真度项和正则化项分别约束融合图像和红外图像、融合图像和可见光图像之间的关系；根据源图像，求解所构建的全变分模型的最...
- 黄珺樊凡梅晓光马泳
- 文献传递
- 基于局部线性迁移的非刚性变换图像特征匹配方法及系统
- 本发明提出了一种基于局部线性迁移的非刚性变换图像特征匹配方法及系统，用于通过去除初始匹配点对中的错误的匹配来建立正确的匹配，包括针对待匹配图像间的非刚性几何变换建立待匹配图像间几何变换相应的模型，并建立匹配点对为正确匹配...
- 黄珺马泳马佳义梅晓光樊凡
- 基于生成对抗网络的红外与可见光图像融合方法
- 本发明公开了一种基于生成对抗网络的红外与可见光图像融合方法，其特征在于：建立生成对抗网络，所述生成对抗网络包括生成器和判决器，将生成器和判决器设置为卷积神经网络，在训练卷积神经网络的过程中实现自动学习融合特征和融合规则；...
- 马佳义马泳黄珺梅晓光
- 文献传递
